🔖 キーワード索引

主成分分析 (PCA) は多変数データを分散最大の軸 (主成分) に射影して次元削減する手法で、 共分散行列の固有値分解 Σ = VΛV⊤ がその数学的本体である。 SSDSE-B-2026 の 6 列 (総人口・65歳以上人口・出生数・婚姻件数・一般診療所数・消費支出) を 2 主成分に圧縮し、 PC1=「人口規模軸」・PC2=「消費水準軸」と解釈する。

これらのキーワードは「pca の理解 → 適用 → 検証」のプロセスを構成する。 各章で詳しく解説する。

🎨 直感で掴む

47都道府県を 6つの社会経済指標から 2次元に圧縮した PCA 散布図。 PC1 と PC2 で全分散の大部分が説明される。 地理的・経済的なパターンが見えてくる。

図の左上、 右下、 などにグループが見えるはずです。 これは元の6次元では分かりにくかった「都道府県の特徴の似ている度合い」を、 たった2次元で表現できているということ。 PCA がうまく機能している証拠です。

具体的に PCA が何をしているか：

• ① 標準化したデータの共分散行列（k×k 対称行列）を計算
• ② 共分散行列の固有値分解を行う：$\Sigma = V \Lambda V^\top$。 $V$ が固有ベクトル（主成分軸）、 $\Lambda$ が固有値（分散の大きさ）
• ③ 固有値が大きい順に固有ベクトルを並べ、 最初の数本（多くは2-3本）だけを使ってデータを射影
• ④ 各主成分の分散説明率 = $\lambda_k / \sum \lambda_i$。 合計で 80% 超なら「次元削減として十分」が経験則

ローディング（loading）：各主成分が元のどの変数と強く関係しているかを示す係数。 ローディングを見れば「第1主成分は人口や診療所数が強く効いている → 人口規模軸」のような解釈ができます。

🎨 バイプロット — 観測点と変数を同時表示

主成分得点の散布図に、 元変数の loading を矢印で重ね合わせたのがバイプロット。 「各サンプルがどの変数の影響で配置されているか」が一目で分かる強力な可視化。

バイプロットの読み方

1. 点（サンプル）の位置：主成分空間でのデータ点
2. 矢印（変数）の方向：どの主成分にどれだけ影響するか
3. 矢印が似た方向：変数同士が正の相関
4. 矢印が反対方向：変数同士が負の相関
5. 矢印が直角：変数同士が無相関
6. 矢印の方向の点：その変数が大きいサンプル

🎯 主成分数の決め方 — 4つのルール

① 累積寄与率ルール

累積寄与率が80%（または90%）を超える数の主成分を採用。 もっとも一般的。

② カイザー基準

固有値が1以上の主成分を採用（標準化データの場合）。 「平均的な変数より分散が大きい主成分」を残す考え方。

③ スクリープロットの肘（elbow）

スクリープロットで「カーブが急に折れる点」を探す。 視覚的判断だが直感的。

④ 並行解析（parallel analysis）

ランダムデータの固有値分布と比較。 ランダムを超える主成分を採用。 統計的根拠あり。

🤖 機械学習での PCA の使い方

① 前処理として

高次元データで多重共線性を解消、 計算量削減。 ただし PCA は分散最大化であり、 教師あり学習の予測精度を最大化はしません。

② 可視化

クラスタリング結果を 2D で見るための定番。 t-SNE や UMAP の代替・併用。

③ ノイズ除去・データ圧縮

画像処理：固有顔（eigenfaces）で顔画像認識の前処理。 ファイルサイズ削減（JPEG の DCT に類似）。

④ 異常検知

主要な主成分で再構成した結果と元データの残差が大きいサンプルを異常と判定。

⑤ Whitening 変換

PCA で共分散行列を単位行列に変換する前処理。 PCA + 標準化のような効果で学習を加速。

非線形拡張

• Kernel PCA：カーネル法で非線形な主成分
• t-SNE / UMAP：可視化に特化した非線形手法
• Autoencoder：深層学習による非線形 PCA

🎮 触って理解する

主成分分析の核心は「データのばらつき（分散）が最大になる方向を探すこと」です。 言葉だけでは掴みにくいので、 下の散布図を実際に触って確かめましょう。 点をドラッグして雲の形を変えたり、 プリセットを切り替えたりすると、 第1主成分（PC1）と 第2主成分（PC2）の軸がその場で再計算され、 寄与率のバーも動きます。 すべての計算（2×2 共分散行列の固有値・固有ベクトルの解析解）はブラウザ内で毎フレーム実行されており、 外部ライブラリは一切使っていません。

この操作で体感できること

• 相関が強いほど雲は細長くなり、 PC1 の寄与率が跳ね上がる（1本の軸でほぼ説明できる＝次元削減が効く）。
• 円形（等方）では PC1・PC2 の寄与率がどちらも約 50% に近づく。 「どの方向も同じばらつき」＝主成分に意味が乏しく、 次元削減しても情報が減るだけという状況。
• PC1 と PC2 は常に直交（90°）している。 これは対称行列（共分散行列）の固有ベクトルが直交するという線形代数の帰結。
• 回転スライダーをどう動かしても分散が PC1 を超えないことが、 「$\mathbf{w}_1 = \arg\max_{\|\mathbf{w}\|=1}\mathrm{Var}(\mathbf{w}^\top\mathbf{X})$」の意味を目で示している。

📐 裏で動いている解析解（2×2 の場合）

共分散行列を $\Sigma=\begin{pmatrix}a & b\\ b & d\end{pmatrix}$ とすると、 固有値は判別式付きの 2 次方程式で解析的に求まります（このページの JS はこの式をそのまま実装）。

任意方向 $\theta$（単位ベクトル $\mathbf{w}=(\cos\theta,\sin\theta)$）の分散は $\mathrm{Var}=a\cos^2\theta + 2b\cos\theta\sin\theta + d\sin^2\theta$ で計算できます。 スライダーの下のバーはこの値を毎フレーム評価しており、 その最大値がちょうど $\lambda_1$（PC1）になります。

📐 数式

📐 数式と読み方

① 主成分得点

$$ z_{ij} = \sum_{k=1}^{p} v_{kj} \cdot x_{ik} $$

i番目のサンプルの j番目主成分得点 = 元の変数 × 固有ベクトルの重み付き和。

② 寄与率 (proportion of variance)

$$ \text{寄与率}_j = \frac{\lambda_j}{\sum_{k=1}^{p} \lambda_k} $$

各主成分が全分散のうち何%を説明するか。 固有値の比。

③ 累積寄与率

第1〜j主成分までの寄与率の合計。 通常80%や90%を超える主成分まで採用。

記号一覧

🔬 数式を言葉で読み解く

🔬 PCA の深掘り — 標準化 / 寄与率 / 主成分の解釈

主成分分析（PCA）を実務で正しく使うために必須となる 4 つの追加トピックを、 SSDSE-B-2026 で実証しながら整理します。 「標準化の有無」 → 「寄与率の読み方」 → 「主成分の意味づけ」 → 「ローディングの可視化」の流れで進めます。

① 標準化の有無は結果を別物に変える

SSDSE-B-2026 のように単位の異なる変数（総人口は数百万、 合計特殊出生率は 1 前後）を混ぜると、 標準化しない PCAは単に「数値の大きい変数」が支配的になります。 必ず z-score 標準化を行ってから PCA を計算してください。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17

import pandas as pd
import numpy as np
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].drop(columns=['SSDSE-B-2026'])  # 2023年度・47都道府県
X = df.select_dtypes('number').fillna(df.select_dtypes('number').mean())

# (a) 標準化なし
pca1 = PCA(n_components=3).fit(X)
print('標準化なし 寄与率:', pca1.explained_variance_ratio_)

# (b) 標準化あり
Xz = StandardScaler().fit_transform(X)
pca2 = PCA(n_components=3).fit(Xz)
print('標準化あり 寄与率:', pca2.explained_variance_ratio_)

② 寄与率と累積寄与率の読み方

主成分の寄与率は 各主成分が説明する分散の割合です。 累積寄与率 70-80% を超えるところで打ち切るのが定石ですが、 SSDSE-B-2026 のような 強く相関した都道府県データでは、 第 1 主成分だけで 50% を超えることも珍しくありません。 その場合は第 1 主成分の解釈に注力するのが効率的です。

③ 主成分のローディング解釈

主成分は元変数の線形結合です。 ローディング行列を見て、 「どの元変数が大きく寄与しているか」で 意味づけします。 SSDSE-B-2026 では、 第 1 主成分が「総人口・生産年齢人口・婚姻件数」など 人口規模を表すケースが典型的です。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

import pandas as pd
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].drop(columns=['SSDSE-B-2026'])  # 2023年度・47都道府県
num = df.select_dtypes('number').fillna(df.select_dtypes('number').mean())
Xz = StandardScaler().fit_transform(num)

pca = PCA(n_components=3).fit(Xz)
loadings = pd.DataFrame(pca.components_.T, index=num.columns,
                        columns=['PC1', 'PC2', 'PC3'])
print('PC1 上位 5 変数:')
print(loadings['PC1'].abs().sort_values(ascending=False).head())
print('PC2 上位 5 変数:')
print(loadings['PC2'].abs().sort_values(ascending=False).head())

④ バイプロット — サンプルと変数を同時に見る

バイプロットは、 都道府県（サンプル）を点で、 変数（次元）を矢印で同じ図に配置する PCA の可視化テクニックです。 都道府県のクラスタと、 各クラスタが「どの変数で特徴づけられているか」を一望できます。

• 矢印が長い → その変数の分散への寄与が大きい
• 矢印が近い → 2 変数の相関が強い（同じ主成分軸を共有）
• 点と矢印の方向が一致 → そのサンプルはその変数で大きい

PCA は次元削減のためだけでなく、 変数構造の発見にも極めて有効です。 SSDSE-B-2026 で PCA を計算したら、 必ず累積寄与率・ローディング表・バイプロットの 3 点セットを提出資料に含めるようにしましょう。 これだけで「都道府県データの全体構造が分かっている」ことを示せます。

⑤ PCA の代表的な落とし穴

• 標準化を忘れて単位差で結果が歪む
• 外れ値 1 つで主成分軸が大きく回転する → Robust PCA 検討
• カテゴリ変数を含めてしまう → ダミー化や MCA を検討
• 欠損値処理が雑だと寄与率が変わる → 平均代入 or MICE
• 「PC1 = 何々を表す」と主張する前にローディングを必ず確認
• 非線形構造を見落とす → Kernel PCA や UMAP で補完

⑥ PCA の数学的位置づけ — SVD との関係

PCA は本質的に 特異値分解 (SVD) の応用です。 中心化された行列 X に対し $X = U S V^\top$ と分解したとき（$S$ は特異値の対角行列。 共分散行列 $\Sigma$ と混同しないよう $S$ と書く）、 $V$ の列ベクトルが主成分方向、 $S^2 / (n-1)$ が固有値（=各主成分の分散）に対応します。 この視点は、 「共分散行列を作らずに直接 X から PCA を計算できる」ことを意味し、 高次元データで数値安定性が高い実装の根拠となります。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

import numpy as np
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].drop(columns=['SSDSE-B-2026'])  # 2023年度・47都道府県
X = df.select_dtypes('number').fillna(0).values
X = X - X.mean(axis=0)

# SVD で PCA を計算
U, S, Vt = np.linalg.svd(X, full_matrices=False)
explained = (S ** 2) / (X.shape[0] - 1)
print('SVD 由来の固有値（上位 5 件）:', explained[:5])
print('寄与率:', explained / explained.sum())
print('主成分方向 V^T の形状:', Vt.shape)

⑦ PCA を回帰の前処理として使う — 主成分回帰 (PCR)

説明変数間に強い相関（多重共線性）がある場合、 OLS は不安定になります。 そこで 主成分回帰では、 PCA で得た上位 k 主成分を新たな説明変数として使います。 SSDSE-B-2026 で 100 を超える数値特徴量から「合計特殊出生率 (A4103)」を予測する場面では、 PCR が安定推定に役立ちます。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

from sklearn.decomposition import PCA
from sklearn.linear_model import LinearRegression
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
import pandas as pd

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].drop(columns=['SSDSE-B-2026'])  # 2023年度・47都道府県
y = df['A4103']  # 合計特殊出生率
X = df.select_dtypes('number').drop(columns=['A4103']).fillna(0)

pcr = Pipeline([
    ('scaler', StandardScaler()),
    ('pca', PCA(n_components=5)),
    ('lr', LinearRegression())
])
pcr.fit(X, y)
print('PCR R²:', pcr.score(X, y))
print('係数（主成分側）:', pcr.named_steps['lr'].coef_)

⑧ PCA レポートのテンプレート

コンペや論文で PCA を使うときは、 以下の 5 つの図表をセットで提出すると説得力が増します。

1. 累積寄与率の折れ線（スクリープロット）
2. 第 1〜3 主成分のローディング表
3. 第 1-2 主成分のバイプロット
4. 標準化の有無による寄与率比較
5. 主成分得点でクラスタリングしたデンドログラム or 散布図

これらをそろえれば、 「変数構造の理解」「外れ値の発見」「次元削減」「可視化」「予測前処理」の 5 目的すべてで PCA が機能していることを示せます。 SSDSE-B-2026 を題材にこのテンプレートを身につけておくと、 他のデータでも即座に同じ手順を再現できる強い武器になります。

⑨ PCA と他の次元削減手法の比較

PCA が「分散最大化の線形投影」なら、 t-SNE/UMAP は「局所近傍の保存」、 オートエンコーダは「再構成誤差最小化」と、 それぞれ最適化対象が異なります。 SSDSE-B-2026 のような 少数サンプル・量的データには PCA が第一選択ですが、 サンプル数が増え、 非線形構造が疑われる場合には UMAP や Kernel PCA を併用するのが現代的なベストプラクティスです。

⑩ PCA 実務 Q&A

• Q: 主成分の数 k はどう決める？ A: 累積寄与率 70-80% を目安に、 解釈可能性とトレードオフで決める。
• Q: ローディングは正負どちらでも解釈できる？ A: 符号は数値ライブラリにより反転することがあるため、 解釈は 絶対値の大きさを基準にする。
• Q: PCA 後にクラスタリングして問題ない？ A: 問題ないが、 標準化済みの主成分得点を使うことを忘れずに。
• Q: 寄与率が想定より低いのは異常？ A: 元変数が独立に近い場合は寄与率が分散する。 PCA の意味が薄いケースもあり得る。
• Q: 新規データに PCA を適用するには？ A: fit_transform で学習し、 新規データは transform のみで投影する（再フィット禁止）。
• Q: 欠損値があるときはどうする？ A: 単純平均代入が無難。 重要なら MICE / EM 系を検討。
• Q: 主成分得点で予測モデルを作っていい？ A: 可（PCR）。 ただし非教師なため、 目的変数との関連がない主成分も混入する点に注意。

PCA は 1901 年に Pearson が、 1933 年に Hotelling が独立に定式化した古典手法ですが、 100 年以上経った今もデータ解析の 第一線の道具として君臨し続けています。 「次元削減と聞いたらまず PCA」、 「変数が多いと感じたらまず PCA」を合言葉に、 自分のデータ解析プロセスに必ず組み込みましょう。 SSDSE-B-2026 のような身近な公的データで何度も練習することで、 「結果を見て即座に解釈する」能力が育ちます。

🎯 理解度チェック — 主成分分析 (PCA)

以下の練習問題に「自分の言葉で」答えられるかを確認しよう。 詰まったら対応する節へ戻ること。

1. Q1. 第一主成分の幾何学的な意味（射影分散最大化）を 2 行で説明せよ。 共分散行列の固有ベクトルとの関係も触れること。
2. Q2. PCA を行う前に 標準化が必要な理由を述べよ。 SSDSE-B の「総人口（数百万人）」と「年平均気温（℃）」のような単位違いで起こる問題は何か。
3. Q3. 寄与率と累積寄与率の違い、 また「累積 80% を超えるところで主成分数を決める」というヒューリスティクスの根拠を 1 行で説明せよ。
4. Q4. 主成分得点 (scores) と主成分負荷量 (loadings) の違いを述べ、 それぞれをどのような場面で解釈に使うか答えよ。
5. Q5. PCA が 線形変換であるという制約から逃れたいときに使う非線形手法を 2 つ挙げ、 それぞれの強みを 1 行で説明せよ。

🛠 自分で手を動かす（5 分課題）：

1. SSDSE-B-2026 から 8 変数（総人口・65歳以上人口・出生数・死亡数・婚姻件数・一般診療所数・消費支出・延べ宿泊者数）を抽出し、 StandardScaler で標準化。
2. sklearn.decomposition.PCA でフィットし、 explained_variance_ratio_ をプロット (スクリープロット)。
3. 第一・第二主成分の散布図を都道府県名ラベル付きで描き、 「PC1 は何を表し、 PC2 は何を表すか」を言語化する。
4. components_（負荷量）の上位 3 変数で各主成分の意味を解釈し、 1 行で命名する（例: PC1=「都市規模」、 PC2=「高齢化度」）。

🔬 PCA を実データで多角的に確認する（R283 補強）

PCA は「標準化 → 共分散行列 → 固有値分解 → 射影」の 4 ステップだが、 各ステップでつまずきやすい。 SSDSE-B-2026 を使って 4 つの角度から確認する。

① 標準化の有無で第 1 主成分がどう変わるか

このコードでやること: SSDSE-B-2026 で「総人口」「一般診療所数」「合計特殊出生率」を選び、 標準化あり/なしで PCA を実行する。 標準化なしでは「総人口」が支配的になることを示す。

📥 入力: SSDSE-B-2026.csv、 47都道府県、 数値 3 列。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19

import pandas as pd
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].drop(columns=['SSDSE-B-2026'])  # 2023年度・47都道府県
cols = ['A1101', 'I5102', 'A4103']  # 総人口 / 一般診療所数 / 合計特殊出生率
X = df[cols].fillna(df[cols].mean()).values

# 標準化なし
pca_raw = PCA(n_components=3).fit(X)
print('標準化なし: 寄与率 =', pca_raw.explained_variance_ratio_.round(3))
print('  PC1 の各変数への重み =', pca_raw.components_[0].round(3))

# 標準化あり
Xs = StandardScaler().fit_transform(X)
pca_std = PCA(n_components=3).fit(Xs)
print('標準化あり: 寄与率 =', pca_std.explained_variance_ratio_.round(3))
print('  PC1 の各変数への重み =', pca_std.components_[0].round(3))

📤 実行例:

💬 結果の読み方: 標準化なしでは PC1 が「総人口」そのもの（寄与率 100%）になり、 他の情報は捨てられる。 標準化後は総人口と一般診療所数がほぼ同じ重み（0.62 前後）で PC1 を構成し、 合計特殊出生率は符号が逆（-0.48）で効く。 単位の異なる変数は必ず標準化。

② スクリープロット — 何主成分まで使うべきか

このコードでやること: 6 変数を使った PCA で寄与率と累積寄与率を計算、 80% 規則と肘ルールでの主成分数を確認する。

📥 入力: SSDSE-B-2026 の総人口、 65歳以上人口、 出生数、 婚姻件数、 一般診療所数、 消費支出の 6 列。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

import numpy as np
import pandas as pd
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

cols = ['A1101','A1303','A4101','A9101','I5102','L3221']
df_sub = df[cols].fillna(df[cols].mean())
Xs = StandardScaler().fit_transform(df_sub.values)
pca = PCA().fit(Xs)

ratio = pca.explained_variance_ratio_
cum = ratio.cumsum()
for i, (r, c) in enumerate(zip(ratio, cum), 1):
    print(f'PC{i}: 寄与率={r:.3f}  累積={c:.3f}')
print()
print('80% 規則: 累積 80% を超える最小の主成分数 =', int(np.argmax(cum >= 0.8)) + 1)

📤 実行例:

💬 結果の読み方: 人口規模系の 5 変数が強く相関しているため、 PC1 だけで 84.0% を説明し 80% 規則なら 1 主成分で足りる。 PC1+PC2 なら 98.6% → 「6 次元のデータを 2 次元の散布図にしてもほとんど情報が失われない」ことを意味する。 可視化は PC1×PC2 の 2D で十分。

③ ローディング解釈 — PC1 は何を表すか

このコードでやること: ②の結果から PC1 と PC2 のローディング（各変数の重み）を計算し、 軸の意味を言語化する。

📥 入力: ②の pca オブジェクト、 df_sub。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

import pandas as pd

loadings = pd.DataFrame(
    pca.components_[:2].T,
    columns=['PC1','PC2'],
    index=['総人口','高齢者','出生数','婚姻','診療所','消費支出']
).round(3)
print(loadings)
print()
print('PC1 で絶対値最大:', loadings['PC1'].abs().idxmax())
print('PC2 で絶対値最大:', loadings['PC2'].abs().idxmax())

📤 実行例:

💬 結果の読み方: PC1 は「総人口、 高齢者、 出生数、 婚姻、 診療所」がすべて 0.44 前後で同じ向き → 「人口規模軸」と命名できる。 PC2 は消費支出（二人以上の世帯当たり）だけ 0.99 と突出 → 「世帯消費水準軸」と解釈。 主成分の意味づけはローディングを必ず確認。

④ 復元誤差 — PC1+PC2 だけでどの程度元データに戻せるか

このコードでやること: 2 主成分から元の 6 次元に逆変換し、 各都道府県でどれだけ復元できるか RMSE で測る。

📥 入力: ②の Xs（標準化済データ）。

1
2
3
4
5
6
7
8
9

import numpy as np
from sklearn.decomposition import PCA

for k in [1, 2, 3, 4]:
    pca_k = PCA(n_components=k).fit(Xs)
    X_proj = pca_k.transform(Xs)
    X_recovered = pca_k.inverse_transform(X_proj)
    rmse = np.sqrt(((Xs - X_recovered)**2).mean())
    print(f'PC1〜PC{k} で復元: RMSE={rmse:.4f}')

📤 実行例:

💬 結果の読み方: PC1 だけでは標準偏差 0.40 程度のずれ、 PC2 まで使うと 0.12 まで縮む。 累積寄与率 98.6% に対応する誤差。 「2 次元プロットで OK」なのは、 この程度の精度損失を許容できる場面に限る。

PCA 4 つの実験のまとめ

• ① 標準化なしの PCA は単位の大きい変数に支配される
• ② スクリープロット + 80% 規則で主成分数を決定
• ③ ローディングで「PC1 は何を表す軸か」を言語化
• ④ 復元誤差で「次元削減でどれだけ情報が失われたか」を定量化

🧮 計算してみる

2変数（高齢化率 x、 死亡率 y、 標準化済）で PCA の動きを直感的に追ってみましょう。

🎓 PCA と他の手法の関係

PCA vs 因子分析（FA）：似ているが目的が違います。 PCA は「観測変数の全分散をなるべく少ない軸で説明」、 FA は「観測変数の共通分散のみを共通因子で説明（独自分散は誤差扱い）」。 因子分析の方が「潜在変数の存在」という仮説に踏み込むので、 心理学・社会学のスケール開発で好まれます。

PCA vs SVD（特異値分解）：数学的にはほぼ同じ。 SVD はより一般的な行列分解法で、 PCA は SVD の特殊例。 NumPy の np.linalg.svd でも PCA を実装できます。

PCA の限界：

• 線形変換のみ：曲面に並ぶデータは捉えられない → カーネル PCA、 t-SNE、 UMAP（非線形次元削減）
• 分散が大きい方向 ≠ 重要な方向：例えば分類問題では、 分散が小さくてもクラスを区別する軸の方が重要。 → 線形判別分析（LDA）
• 解釈が難しい：主成分は元の変数の線形結合なので、 「PC1 = 0.5×人口 + 0.3×所得 - 0.2×失業率...」のような表現になり、 物理的な意味が不明瞭になることも

PCR (Principal Component Regression)：多重共線性で OLS が不安定なとき、 説明変数を PCA してから上位主成分だけで回帰する手法。 解釈は犠牲になるが安定性が向上。

🧮 SSDSE実データでの計算例

47都道府県の家計5項目（食料費、 住居費、 教育費、 光熱費、 保健医療費）で PCA を実施した結果：

各主成分の寄与率

PC1だけで全分散の 45.2% を説明。 PC1とPC2で68.6%、 PC3まで含めると86.3%。 累積寄与率80%規則なら「主成分3つ」、 カイザー基準（固有値≥1 は PC1〜PC2）なら「主成分2つ」が目安で、 基準によって結論が分かれる好例。 可視化目的なら PC1×PC2（68.6%）でも大まかな構造は掴める。 累積寄与率は必ず単調増加し、 全主成分を使えば 100% になる点も表で確認しよう。

🧩 主成分の意味を読み解く — 固有ベクトル（loading）

主成分は合成変数。 元の変数の重み付き和です。 重み（loading）を見ることで主成分の「意味」が分かります。

SSDSE データでの loading

主成分の解釈

PC1：食料費（+0.593）・教育費（+0.588）・保健医療費（+0.545）に大きな正の重み、 住居費（-0.063）・光熱費（-0.030）はほぼゼロ → 「食料・教育・保健医療への支出水準」を表す軸。 PC1 のスコアが高い県はこれら 3 費目への支出が相対的に多い県と読めます。

PC2：光熱費（+0.728）に大きな正の重み、 住居費（-0.667）に大きな負の重み → 「光熱型の支出 vs 住居型の支出」の対比軸。 PC1 では捉えられなかった別の軸を、 重みの大きさ・符号から「何 vs 何の対比か」と読み取るのがローディング解釈の基本です。

💡 主成分の解釈にはドメイン知識が必要。 重みの大きさ・符号を見て、 「この成分は何を表しているか」を仮説的に解釈し、 散布図と組み合わせて確認します。

🧮 数式に値を入れて手で計算する: PCA の寄与率

合成 4 次元データの固有値から累積寄与率を計算する。

Step 1: 固有値

Step 2: 80%, 95% 達成 PC 数

🐍 Python で再現

1
2
3
4
5
6

import numpy as np
lam = np.array([4.0, 2.4, 1.2, 0.4])
ratio = lam / lam.sum()
cum = ratio.cumsum()
print(f"寄与率: {ratio}")
print(f"累積: {cum}")

📤 実行結果

💬 手計算 (Step 2) と Python 出力が完全一致。

🐍 Python での PCA

scikit-learn での基本

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

# データの標準化（重要！）
scaler = StandardScaler()
X_std = scaler.fit_transform(X)

# PCA 実行
pca = PCA(n_components=2)  # 主成分数を指定
Z = pca.fit_transform(X_std)

# 寄与率
print(f'寄与率: {pca.explained_variance_ratio_}')
print(f'累積寄与率: {pca.explained_variance_ratio_.cumsum()}')

# 主成分軸（固有ベクトル）
print(f'主成分軸:\n{pca.components_}')

# 固有値
print(f'固有値: {pca.explained_variance_}')

累積寄与率で主成分数を自動決定

1
2
3

pca = PCA(n_components=0.95)  # 累積寄与率95%まで
Z = pca.fit_transform(X_std)
print(f'採用された主成分数: {pca.n_components_}')

numpy で手作りPCA

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

import numpy as np

# 1. 中心化
X_centered = X - X.mean(axis=0)

# 2. 共分散行列
cov_matrix = np.cov(X_centered, rowvar=False)

# 3. 固有値分解
eig_vals, eig_vecs = np.linalg.eigh(cov_matrix)

# 4. 降順ソート
order = np.argsort(eig_vals)[::-1]
eig_vals = eig_vals[order]
eig_vecs = eig_vecs[:, order]

# 5. 射影
Z = X_centered @ eig_vecs

# 寄与率
ratio = eig_vals / eig_vals.sum()

SVD でPCA

バイプロットの描画

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

# ── この抜粋で使う主成分分析の結果を用意します ──
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023]          # 2023 年の 47 都道府県
feature_names = ['A1101', 'A1303', 'A4101', 'L3221']
X_std = StandardScaler().fit_transform(df[feature_names].astype(float))
pca = PCA(n_components=2)
Z = pca.fit_transform(X_std)


fig, ax = plt.subplots(figsize=(10, 8))
ax.scatter(Z[:, 0], Z[:, 1], alpha=0.5)

# 変数を矢印で
for i, name in enumerate(feature_names):
    ax.arrow(0, 0,
             pca.components_[0, i] * 3,
             pca.components_[1, i] * 3,
             color='red', head_width=0.05)
    ax.text(pca.components_[0, i] * 3.2,
            pca.components_[1, i] * 3.2, name)

ax.set_xlabel(f'PC1 ({pca.explained_variance_ratio_[0]*100:.1f}%)')
ax.set_ylabel(f'PC2 ({pca.explained_variance_ratio_[1]*100:.1f}%)')

🚧 PCAの落とし穴

1️⃣ 標準化を忘れる

単位が違う変数（kg と cm）をそのまま PCA すると、 単位の大きい変数が支配的に。 必ず標準化してから実施。

2️⃣ 非線形関係は捉えられない

PCA は線形変換。 曲線的なパターンは見逃します。 そのときは Kernel PCA、 t-SNE、 UMAP、 Autoencoder を。

3️⃣ 解釈が困難な場合

主成分は合成変数で、 元の変数ほど直感的でないことがある。 特に loading の重みが似た値なら解釈が難しい。 回転（varimax 回転、 因子分析）を検討。

4️⃣ 外れ値に弱い

分散を最大化するため、 外れ値の影響を受けやすい。 RobustPCA や事前の外れ値除去を。

5️⃣ 主成分は予測精度を保証しない

PCA は教師なし。 「分散が大きい方向」が「目的変数の予測に有用」とは限らない。 PCR（主成分回帰）より PLS のほうが優れることも。

6️⃣ 符号の不定性

固有ベクトルは符号が反転しても同じ主成分。 異なる環境で計算すると符号が違うことが。 解釈時に注意。

📜 PCAの歴史

• Karl Pearson（1901）："On lines and planes of closest fit" で PCA を発見
• Harold Hotelling（1933）：心理学への応用で PCA を再発見・体系化
• Karhunen（1947）、 Loève（1948）：信号処理での Karhunen-Loève 展開
• Eckart-Young（1936）：SVD と低ランク近似の関係を証明
• Sirovich & Kirby（1987）：固有顔（eigenfaces）で顔認識を実用化
• Schölkopf（1998）：Kernel PCA で非線形に拡張

120年以上の歴史を持ち、 現代のデータサイエンスの中核的手法として使われ続けています。

🐍 Python 実装バリエーション（sklearn / numpy / scipy / Kernel / Sparse）

A. sklearn.decomposition.PCA（標準）

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', skiprows=[1])
df = df[df['SSDSE-B-2026'] == 2023].drop(columns=['SSDSE-B-2026'])  # 2023年度・47都道府県
X = df[['L322101','L322102','L322103','L322106','L322108']]  # 食料/住居/光熱・水道/保健医療/教育
Xs = StandardScaler().fit_transform(X)
pca = PCA(n_components=3).fit(Xs)
print('寄与率', pca.explained_variance_ratio_)
print('累積', pca.explained_variance_ratio_.cumsum())
print('ローディング\n', pd.DataFrame(pca.components_.T, index=X.columns,
                                     columns=['PC1','PC2','PC3']).round(3))

B. numpy.linalg.svd 直書き（教育的）

1
2
3
4
5
6

import numpy as np
Xc = Xs - Xs.mean(axis=0)
U, S, Vt = np.linalg.svd(Xc, full_matrices=False)
loadings = Vt.T
scores   = U * S      # = Xc @ Vt.T
print((S**2 / (S**2).sum())[:3])

C. scipy.linalg.eigh による固有値分解

1
2
3
4
5

from scipy.linalg import eigh
cov = np.cov(Xs, rowvar=False)
eigvals, eigvecs = eigh(cov)
order = np.argsort(eigvals)[::-1]
print(eigvals[order])

D. KernelPCA（非線形多様体）

1
2

from sklearn.decomposition import KernelPCA
kpca = KernelPCA(n_components=2, kernel='rbf', gamma=0.1).fit_transform(Xs)

E. SparsePCA / FactorAnalysis（解釈性向上）

1
2
3
4

from sklearn.decomposition import SparsePCA, FactorAnalysis
spca = SparsePCA(n_components=3, alpha=1.0, random_state=42).fit(Xs)
fa   = FactorAnalysis(n_components=3).fit(Xs)
print(pd.DataFrame(spca.components_.T, index=X.columns).round(2))

F. IncrementalPCA（大規模データのストリーム処理）

1
2
3
4

from sklearn.decomposition import IncrementalPCA
ipca = IncrementalPCA(n_components=3, batch_size=10)
for i in range(0, len(Xs), 10):
    ipca.partial_fit(Xs[i:i+10])

⚠️ よくある落とし穴

👁️ 直感 — PCAは「データの広がりを最大にする方向を見つける」

主成分分析（Principal Component Analysis, PCA）は、 多次元データの「分散が最大になる方向」を新しい軸として、 元の変数を組み替える手法。 次元削減と特徴抽出の基本ツール。

左：元の2変数（食料費と住居費）の散布図。 赤い矢印が PC1（最大分散方向）。
右：PCA 後、 データが PC1/PC2 という新しい直交軸上に再配置される。 もはや「食料費」「住居費」ではなく、 合成変数になっています。

💡 PCAは回転と考えられます。 「元の軸」を「データの最大分散方向」に回転させ、 新しい軸を作る。 情報損失を最小にしながら次元を減らせます。

🎯 PCAで何ができる？

① 次元削減

100変数のデータを、 寄与の大きい数個の主成分で要約。 ストレージ削減、 可視化、 学習高速化。

② 可視化（2次元/3次元）

高次元データを2次元/3次元に圧縮して散布図化。 クラスタや異常を視覚的に発見。

③ 多重共線性の解消

相関の強い変数群を独立な主成分に置き換える。 回帰モデルの安定化。

④ 特徴抽出

新しい「合成変数」を作り、 元の変数では見えなかった「潜在因子」を発見。

⑤ ノイズ除去

寄与の小さい成分はノイズ。 削ることでデータをスムージング。

⚙️ PCAのアルゴリズム — 3ステップ

Step 1: データの中心化（標準化）

各変数から平均を引く。 場合によって標準偏差で割る（標準化）：

$$ x'_i = \frac{x_i - \bar{x}}{s} $$

単位が違う変数を扱う場合は標準化必須。 単位が同じなら中心化のみでもOK。

Step 2: 共分散行列を計算

$$ \Sigma = \frac{1}{n-1} X^T X $$

p個の変数に対して p×p の対称行列。 対角成分が各変数の分散、 非対角が共分散。

Step 3: 共分散行列の固有値分解

$$ \Sigma = V \Lambda V^T $$

• V：固有ベクトル行列（主成分の方向）
• Λ：対角行列、 固有値（主成分の分散）
• 固有値の大きい順に並べる → 第1主成分、 第2主成分、 ...

Step 4: 主成分得点（projection）

$$ Z = X \cdot V $$

元データを新しい軸（主成分）に射影。 これが「主成分得点」。

実用：SVD によるPCA（より安定）

大規模データでは特異値分解（SVD）で実装するのが一般的：

$$ X = U S V^T $$

V が主成分、 S²/(n-1) が固有値（S は特異値の対角行列。 共分散行列 Σ とは別物）。 sklearn の PCA は内部で SVD を使っている。

⚠️ PCA の落とし穴 7 連発

🎨 直感の深化 — 「相関の強い変数束を、少数の合成変数へ」

PCA を一言で言い直すと、 互いに強く相関した変数の束を「代表選手（合成変数）」1 本にまとめる操作です。 相関が強いということは「同じ情報を重複して持っている」ということ。 その重複を、 分散を最大化する方向へ座標を回転させることで 1 本の軸に集約します。

① 座標変換としての PCA

元の変数 $x_1,\dots,x_p$ は「たまたま観測に使った軸」にすぎません。 PCA はデータ自身が最もばらつく方向を新しい第 1 軸に選び直します。 つまり「観測者が決めた軸」から「データが決めた軸」への直交回転です。 回転なので情報（総分散）は保存され、 ただ分散の配分が先頭の主成分に偏るように並べ替えられるだけです。 詳しくは 固有値・固有ベクトル と 共分散行列 を参照。

② なぜ「分散最大」が「情報最大」なのか

ある方向に射影したとき、 点がよく散らばる（分散が大きい）ほど、 その方向はサンプル同士を見分ける力が強いと言えます。 逆に、 どの県も同じ値になる方向（分散ゼロ）は、 見ても何も区別できず情報がありません。 だから「分散が大きい方向 = よく区別できる方向 = 情報が多い方向」とみなすのが PCA の発想です。 これは 分散 を情報量の代理指標として使う、 という約束の上に成り立っています（後述の落とし穴も参照）。

③ 固有ベクトルが軸になる理由（直感版）

共分散行列 $\Sigma$ を「データの楕円形の広がり」を表す行列だと思うと、 その固有ベクトルは楕円の主軸（長軸・短軸）の向き、 固有値は各主軸方向の広がり（分散）の大きさに一致します。 楕円が細長い（＝相関が強い）ほど、 長軸方向の固有値が突出し、 1 本でほぼ説明できる──これが次元削減が効く状況です。 このページ上部の 🎮 ウィジェットで「相関 強い」を選ぶと、 PC1 の寄与率が跳ね上がるのは、 まさにこの楕円が細長くなるからです。

⚠️ 落とし穴の深化（重要）— 分散最大は万能ではない

既存の「落とし穴」章に加え、 PCA を鵜呑みにすると危険なポイントを実測値つきで補強します。 特に「標準化必須」と「分散最大 ≠ 重要」は、 コンペで PCA を使うときに最も事故が多い箇所です。

🚀 発展 — 固有値分解 / SVD / 白色化 / 各種 PCA

① 固有値分解と特異値分解（SVD）は表裏一体

PCA には 2 通りの計算経路があります。 (a) 共分散行列 $\Sigma$ の固有値分解 $\Sigma = V\Lambda V^\top$（固有値・固有ベクトル参照）と、 (b) 中心化データ行列 $X$ の特異値分解（SVD） $X = U S V^\top$ です。 両者は $\lambda_k = s_k^2/(n-1)$ で対応し、 得られる主成分軸 $V$ は同一になります。 実務では共分散行列を作らず $X$ を直接 SVD する方が数値的に安定で（$\Sigma$ を作ると条件数が 2 乗される）、 scikit-learn の PCA も内部で SVD を使います。 SVD は共分散行列を明示的に作らないぶんメモリ効率もよく、 高次元・疎データに向きます。

② 寄与率・累積寄与率・スクリープロット

第 $k$ 主成分の寄与率は $\lambda_k/\sum_i\lambda_i$、 上位から足し上げた累積寄与率が「何本で総分散の何％を説明したか」を表します。 固有値を大きい順に折れ線で並べたスクリープロットで「急落してなだらかになる肘」を探すのが古典的な主成分数決定法です。 上の SSDSE 実測では PC1→PC2→PC3 が 5.04→0.879→0.063 と 2 段階で急落し、 肘が明瞭に 2 本目に現れます。 統計的根拠を求めるなら、 ランダムデータの固有値分布と比較する並行解析（parallel analysis）が有効です。

③ 因子分析との違い（何を分解するか）

見た目は似ていますが目的が逆向きです。 PCA は観測変数を合成して分散を最大化する（変数 → 成分）のに対し、 因子分析 は観測の背後に潜在因子を仮定し、そこから観測が生成される（因子 → 変数）というモデルを立てます。 PCA は全分散（共通分散＋独自分散＋誤差）を分解し、 因子分析は共通分散のみを抽出して独自分散・誤差を分離します。 「データ圧縮・可視化」なら PCA、 「心理尺度など潜在構造の推定」なら因子分析、 が使い分けの目安です。

④ カーネル PCA（非線形）

Kernel PCA は、 データを高次元特徴空間へ写像してから PCA を行うことで非線形な主成分を取り出します。 実際には写像を明示せず、 内積をカーネル関数（RBF など）で置き換えるカーネルトリックで計算します。 三日月・同心円のように線形 PCA では潰れる構造を、 曲がった主成分で展開できます。 コストはサンプル数 $n$ に対する $n\times n$ カーネル行列（$O(n^2)$ メモリ）で、 大規模データでは近似が必要です。

⑤ ロバスト PCA

Robust PCA（Candès ら 2009）は、 データ行列を低ランク成分 $L$ ＋ 疎な外れ値成分 $S$ に分解し（$X = L + S$）、 外れ値やスパイクの影響を $S$ に隔離して汚染されていない低次元構造 $L$ を取り出します。 通常の PCA が外れ値 1 点で軸を奪われるのに対し、 破損・欠測・スパイクに強いのが利点で、 監視カメラ映像の背景／前景分離などで実用化されています（このページ内リンクは未整備のため用語のみ紹介）。

⑥ 白色化（Whitening）

白色化は、 主成分に射影したあと各成分を固有値の平方根で割り、 共分散行列を単位行列に変換する前処理です（$\tilde{Z} = \Lambda^{-1/2} V^\top X$）。 全方向の分散を 1 に揃えて相関を消すため、 勾配法の収束を速めたり、 独立成分分析（ICA）の前処理として使われます。 ただし小さい固有値方向を等倍に引き伸ばすため、 ノイズを増幅する副作用があり、 実務では下位成分を捨ててから白色化することが多いです。 なお PCA では主成分どうしは無相関ですが、 白色化はさらに「分散も等しく」するステップです（無相関 ≠ 独立である点は 共分散 の注意点と同じ）。

※ 本節の SVD・白色化・ロバスト PCA の一部は用語集内に個別ページが未整備のため、 テキストでの紹介にとどめています（固有値・Kernel PCA・因子分析・標準化・次元削減 は個別ページあり）。

🌐 関連手法・派生

関連する手法・派生バリエーション。

PCA は「線形・教師なし・分散最大化」という 3 条件で特徴付けられる次元削減手法で、 周辺手法は条件の一部を緩めた変種として整理できる。

• 上位概念: 次元削減。 PCA はその中で「線形変換 + 分散最大化」の代表格で、 因子分析や行列分解 (SVD) と同じ族に属する。
• 並列手法 (同じ線形・教師なし): 因子分析 は観測変数の背後にある潜在因子を仮定し、 独立成分分析 (ICA) は無相関ではなく独立性を最大化、 NMF は非負制約を加えて解釈性を高める。
• 前段処理: 標準化 は単位がバラバラな変数（年収・年齢・人口）を等しく扱うために必須、 欠損補完 も PCA は欠損に対して脆弱なので事前必須。
• 後段処理: biplot（バイプロット） で主成分と元変数の関係を 2D 可視化、 スクリープロット で主成分数を決定、 寄与率と累積寄与率を見て圧縮率を判断する。 主成分得点を入力に クラスタリング（k-means など）を行うのも定番。
• 派生・拡張 (非線形版): Kernel PCA は RBF カーネルで非線形構造を捉え、 オートエンコーダ はニューラルネットで非線形圧縮、 t-SNE・UMAP は局所構造を保つ可視化用次元削減。
• 競合・代替: 教師あり次元削減なら LDA (クラス分離最大化)、 解釈重視なら Lasso による変数選択、 強い非線形なら UMAP/t-SNE が PCA の代替候補。

「主成分は何を捉えているか」を SSDSE-B-2026 の都道府県データで読み解くと、 PC1 は人口規模、 PC2 は世帯の消費水準のように現実の意味と対応することが多い。

🔗 関連用語（前提・並列・発展）

📘 前提となる用語

• 共分散・相関行列 — PCA の核となる行列。
• 固有値・固有ベクトル — 主成分軸の正体。
• 標準化 — PCA の前処理の必須項目。
• 分散 — 主成分の評価基準。
• 多重共線性 — PCA（主成分回帰）で解消できる回帰の不安定性。
• 次元削減 — PCA が属する手法群の全体像。

⚖️ 並列で比較する用語

• 因子分析 — 共通分散だけを抽出。
• 線形判別分析 (LDA) — クラス分離が目的の教師あり次元削減。
• 独立成分分析 (ICA) — 統計的独立性で分解。
• NMF (非負値行列分解) — 非負制約の分解。

🚀 発展で学ぶ用語

• Kernel PCA — 非線形多様体に対応。
• t-SNE — 局所構造を保つ可視化。
• UMAP — 多様体学習の現代標準。
• オートエンコーダ — 非線形 PCA の深層学習版。
• Sparse PCA — L1 罰則でローディングをスパース化、 各 PC が少数変数の線形結合となり解釈性向上 (Zou-Hastie 2006)。
• Robust PCA — 行列を L + S に分解し、 外れ値耐性のあるロー次元成分 L を抽出 (Candès 2009)。 動画背景分離で実用化。

🔗 関連用語

📚 関連グループ教材

関連するカテゴリ・グループ教材へのリンク。

pca を学ぶ際に併読すると理解が深まる関連グループ教材を以下にまとめる。

• 📚 用語集トップ — 全 514 用語のインデックス
• 🌐 関連手法・派生 — pca と関連する具体的な手法群
• 🔗 隣接手法への橋渡し — pca と組み合わせる前段・後段手法
• 🌳 手法選択フロー — pca を含む手法の使い分け判断
• 🗺 全体概念マップ — 用語集全体の関係図

これらを順に参照することで、 pca を中核とした分析の体系的理解が得られる。

🗺️ 概念マップ — 3つの視点で体系を理解する

主成分分析（PCA） がデータサイエンスの体系の中でどこに位置するかを、 3つの異なる視点で可視化します。 同じ情報でも見方を変えると気付きが変わります。

📍 体系階層のパス

🌐 統計・データサイエンス › 教師なし学習 › 次元削減 › 主成分分析

① 🔗 関係マップ — 「他の手法とどう繋がっているか」

中心に 主成分分析（PCA） を置き、 そこから 因子分析・クラスタリング・共分散・分散・標準化・多重共線性対策 など 計 13 個の用語へ、 前提・兄弟・発展形といった関係を矢印で結んでいます。 線がどちら向きかを見れば、 先に読むべき用語とあとから読む用語が分かります。 ノードはドラッグで動かせ、 ホイールでズーム、 クリックでその用語のページへ遷移します。

② ⭕ 包含マップ — 「どのカテゴリに含まれているか」

大きな円が小さな円を包含する Circle Packing 図。 「主成分分析（PCA）」は緑色でハイライト。

• カテゴリ円をクリック：その内部にズームイン
• 白背景クリック：1階層戻る
• 用語円をクリック：詳細ページへ遷移
• マウスホバー：階層パス表示

③ 🌳 ツリーマップ — 「面積で見るボリューム比較」

長方形を入れ子に分割した Treemap 図。 各分野の規模感を面積で比較。 「主成分分析（PCA）」は緑色でハイライト。

• カテゴリ矩形をクリック：その内部にドリルダウン
• パンくず（上のリンク）クリック：その階層に戻る
• 用語矩形をクリック：詳細ページへ遷移
• マウスホバー：階層パスと値を表示

🎯 3つのマップの使い分け

💡 3 つの図は同じ位置関係を別の角度から描いています。 関係マップは 主成分分析 の隣に何が並ぶかを、 包含マップとツリーマップは 統計・データサイエンス → 次元削減 → 主成分分析 という入れ子の位置を示します。 「次元削減には他に何があったか」を思い出したいときは包含マップを、 「次に何を読むか」を決めたいときは関係マップを開いてください。

🔗 隣接手法への橋渡し

PCA は高次元データを少数の合成軸 (主成分) に射影する手法で、 次元削減・可視化・前処理として隣接手法に組み込まれる。

• 上流: 標準化 — PCA は分散を最大化する軸を探すため、 変数のスケールを揃える標準化が必須。 SSDSE-B-2026 なら総人口・消費支出・年平均気温を z-score 化してから PCA。
• 並列: 因子分析 — 因子分析は観測変数の背後に潜在因子を仮定する点で異なるが、 数学的には共分散行列の固有分解という共通基盤を持つ。
• 下流: クラスタリング — 第 1-2 主成分の散布図で k-means クラスタリングを実行すると、 高次元では見えない群構造が浮かぶ。 SSDSE 47 県を 3-4 群に自動分類できる。
• 派生: カーネル PCA (非線形)・UMAP・t-SNE は PCA の発展形で、 SSDSE で局所構造を保ったまま可視化したいときに使う。

SSDSE-B-2026 を用いた演習では、 「主成分分析」 を中核に据えて上記の上流・並列・下流の手法を実データで連結する経験を積むと、 単独の手法暗記より実務的応用力が身につく。

🌳 手法選択フロー

「pca」を含む手法選択は、 データの性質・分析目的・運用制約の 3 軸で決まる。 以下に典型シナリオと対応する手法の組合せを示す。

典型シナリオ別の手法選択

選んだ後の検証ステップ

1. 前処理確認: 標準化 / 欠損処理 / カテゴリ変数のエンコード が適切か
2. ハイパラ調整: 交差検証で安定する値を選ぶ
3. 性能評価: タスクに応じた指標 (RMSE / Accuracy / F1 / AUC / シルエット等) を複数併用
4. 頑健性チェック: 別手法 / 別シードで結果が大きく違わないか確認
5. 解釈: 結果を分野知識と照らし合わせ、 意味のある発見になっているか検討